> For the complete documentation index, see [llms.txt](https://docs.clore.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.clore.ai/guides/guides_v2-ru/platformy-i-agenty-ii/superagi.md).

# Фреймворк агентов SuperAGI

Разверните SuperAGI на Clore.ai — autonomous AI agent framework, ориентированный на разработчиков, с GUI-панелью, маркетплейсом инструментов, параллельными агентами и опциональной поддержкой локальных LLM на мощных GPU-облачных серверах.

## Обзор

[SuperAGI](https://github.com/TransformerOptimus/SuperAGI) является автономным ИИ-агентским фреймворком с открытым исходным кодом, ориентированным на разработчиков, с более чем 15 тыс. звёзд на GitHub. В отличие от простых чат-ботов, SuperAGI работает **автономные агенты** — ИИ-системы, которые самостоятельно планируют, выполняют многошаговые задачи, используют инструменты и итеративно движутся к цели без постоянного участия человека.

**Зачем запускать SuperAGI на Clore.ai?**

* **GPU не обязателен, с мощной поддержкой локальных LLM** — Запускайте агентов на локальных моделях (Llama, Mistral и т. д.) на GPU Clore.ai для полностью приватного автономного ИИ с контролируемыми затратами.
* **Параллельное выполнение агентов** — Запускайте несколько агентов параллельно на одном сервере, и каждый будет одновременно работать над разными задачами.
* **Постоянная память агентов** — Агенты сохраняют контекст, учатся на выводах инструментов и хранят долговременную память в векторных базах данных между запусками.
* **Маркетплейс инструментов** — Предварительно готовые интеграции для Google Search, GitHub, Email, Jira, Notion и многого другого.
* **Экономика Clore.ai** — При $0.07–0.21/ч за RTX 3090 вы можете запускать способных автономных агентов за долю стоимости облачных ИИ-сервисов.

### Ключевые особенности

| Функция                      | Описание                                                               |
| ---------------------------- | ---------------------------------------------------------------------- |
| Провижининг агентов          | Создавайте, настраивайте и развёртывайте агентов через GUI             |
| Маркетплейс инструментов     | 30+ встроенных инструментов (поиск, код, файлы, API)                   |
| Поддержка нескольких моделей | OpenAI, Anthropic, локальные LLM через пользовательскую конечную точку |
| Одновременные агенты         | Запускайте несколько агентов одновременно                              |
| Память агента                | Краткосрочная (окно контекста) + долгосрочная (векторная БД)           |
| Панель GUI                   | Полный веб-интерфейс для управления агентами                           |
| Менеджер ресурсов            | Отслеживайте использование токенов и затраты по каждому агенту         |
| Шаблоны рабочих процессов    | Предварительно готовые шаблоны агентов для типовых задач               |

### Архитектура

```
┌────────────────────────────────────────────────────┐
│              Стек SuperAGI                         │
│                                                    │
│  ┌─────────────────────┐   ┌───────────────────┐   │
│  │  Фронтенд (порт 3000)│  │  API (порт 8001)  │   │
│  │  Интерфейс Next.js   │   │  Бэкенд FastAPI   │   │
│  └──────────┬──────────┘   └─────────┬─────────┘   │
│             └──────────┬─────────────┘             │
│                        ▼                           │
│  ┌─────────────────────────────────────────────┐   │
│  │            Исполнитель агентов             │   │
│  │  ┌──────────┐  ┌──────────┐  ┌──────────┐  │   │
│  │  │  Agent 1  │  │  Agent 2  │  │  Agent N  │  │   │
│  │  └──────────┘  └──────────┘  └──────────┘  │   │
│  └───────┬─────────────┬─────────────┬─────────┘   │
│          ▼             ▼             ▼             │
│  ┌───────────┐  ┌───────────┐  ┌───────────┐      │
│  │ PostgreSQL │  │  Redis    │  │  Векторная│      │
│  │ (Состояние) │  │ (Очередь) │  │   БД      │      │
│  └───────────┘  └───────────┘  └───────────┘      │
└────────────────────────────────────────────────────┘
          │
    ┌─────┴──────┐
    ▼            ▼
 OpenAI      Локальная LLM
 Anthropic   (Ollama/vLLM)
```

***

## Требования

### Технические характеристики сервера

| Компонент     | Минимум         | Рекомендуется            | Примечания                                        |
| ------------- | --------------- | ------------------------ | ------------------------------------------------- |
| **GPU**       | Нет (режим API) | RTX 3090 (локальные LLM) | Для локального инференса модели нужен GPU         |
| **VRAM**      | —               | 24 ГБ                    | Для запуска локальных моделей 13B+                |
| **CPU**       | 4 vCPU          | 8 vCPU                   | Выполнение агентов требовательно к CPU            |
| **ОЗУ**       | 8 ГБ            | 16 ГБ                    | Для нескольких одновременных агентов нужна память |
| **Хранилище** | 20 ГБ           | 100+ ГБ                  | Логи агентов, векторная БД, хранилище моделей     |

### Справка по ценам Clore.ai

| Тип сервера         | Примерная стоимость                         | Сценарий использования                            |
| ------------------- | ------------------------------------------- | ------------------------------------------------- |
| CPU (8 vCPU, 16 ГБ) | \~$0.10–0.20/ч                              | SuperAGI + внешний API (OpenAI/Anthropic)         |
| RTX 3090 (24 ГБ)    | $0.07–0.21/ч                                | SuperAGI + локальная модель Ollama 13B            |
| RTX 4090 (24 ГБ)    | $0.14–0.42/ч                                | SuperAGI + Ollama, более быстрый инференс         |
| 2× RTX 3090         | $0.14–0.42/ч                                | SuperAGI + модель 70B (квантование Q4)            |
| A100 80 ГБ          | [голое железо](https://clore.ai/bare-metal) | SuperAGI + большие модели, высокая параллельность |
| H100 80 ГБ          | \~$1.04/ч                                   | Автономные агентские системы промышленного уровня |

> 💡 **Совет по стоимости:** Для разработки и тестирования используйте API OpenAI или Anthropic (GPU не нужен). Переключайтесь на экземпляр с GPU только тогда, когда вам нужен локальный инференс LLM ради приватности или снижения затрат. См. [Руководство по сравнению GPU](/guides/guides_v2-ru/nachalo-raboty/gpu-comparison.md).

### Предварительные требования

* Сервер Clore.ai с доступом по SSH
* Docker + Docker Compose (предустановлены на Clore.ai)
* Git (предустановлен)
* 4+ vCPU, 8+ ГБ ОЗУ (для одновременных агентов рекомендуется 16 ГБ)
* ключ API OpenAI **или** конечная точка локальной LLM (Ollama/vLLM)

***

## Быстрый старт

### Способ 1: Docker Compose (официальный — рекомендуется)

Официальное развёртывание SuperAGI использует Docker Compose для управления всеми сервисами.

**Шаг 1: Подключитесь к вашему серверу Clore.ai**

```bash
ssh root@<your-clore-server-ip> -p <ssh-port>
```

**Шаг 2: Клонируйте и настройте**

```bash
git clone https://github.com/TransformerOptimus/SuperAGI.git
cd SuperAGI
cp config_template.yaml config.yaml
```

**Шаг 3: Отредактируйте `config.yaml`**

```bash
nano config.yaml
```

Минимально необходимая конфигурация:

```yaml
# config.yaml
OPENAI_API_KEY: "sk-your-openai-key-here"

# База данных (оставьте значение по умолчанию для Docker Compose)
POSTGRES_DB: "super_agi"
POSTGRES_USER: "super_agi"
POSTGRES_PASSWORD: "password"

# Векторная база данных
VECTOR_STORE: "Redis"  # или "Pinecone", "Qdrant", "Weaviate"
REDIS_URL: "redis://super__agi-redis-1:6379/0"

# Настройки приложения
ENV: "PROD"
ALLOW_LISTS_CREATION: "true"

# Ограничить доступ
# AUTH_SECRET_KEY: "your-random-secret"
```

**Шаг 4: Запустите стек**

```bash
docker compose up -d --build
```

Процесс сборки загружает зависимости и компилирует фронтенд (\~5–10 минут при первом запуске).

**Шаг 5: Отслеживайте запуск**

```bash
# Наблюдайте за запуском всех сервисов
docker compose ps

# Просматривайте логи
docker compose logs -f

# Дождитесь "Application startup complete" в логах backend
docker compose logs superagi-backend --tail 30
```

**Шаг 6: Откройте панель управления**

```
http://<your-clore-server-ip>:3000
```

API доступен по адресу:

```
http://<your-clore-server-ip>:8001
```

Документация API:

```
http://<your-clore-server-ip>:8001/docs
```

***

### Способ 2: Быстрый старт с готовыми образами

Для более быстрого запуска с использованием готовых образов (пропустите шаг сборки):

```bash
git clone https://github.com/TransformerOptimus/SuperAGI.git
cd SuperAGI
cp config_template.yaml config.yaml

# Отредактируйте конфиг с вашими ключами API
nano config.yaml

# Используйте готовые образы, если они доступны
docker compose -f docker-compose.yaml pull
docker compose up -d
```

***

### Способ 3: Минимальная однмодельная конфигурация

Упрощённая настройка для тестирования только с OpenAI:

```bash
git clone https://github.com/TransformerOptimus/SuperAGI.git
cd SuperAGI

# Создайте минимальный конфиг
cat > config.yaml << 'EOF'
OPENAI_API_KEY: "sk-your-key-here"
POSTGRES_DB: "super_agi"
POSTGRES_USER: "super_agi"
POSTGRES_PASSWORD: "superagi_password_123"
REDIS_URL: "redis://super__agi-redis-1:6379/0"
ENV: "PROD"
EOF

docker compose up -d --build

# Отслеживайте ход сборки
docker compose logs superagi-frontend --tail 5 -f &
docker compose logs superagi-backend --tail 5 -f
```

***

## Конфигурация

### `config.yaml` Референс

```yaml
# ============================================================
# Поставщики LLM
# ============================================================
OPENAI_API_KEY: "sk-..."                    # Модели OpenAI GPT
ANTHROPIC_API_KEY: "sk-ant-..."            # Модели Claude

# Для локальных моделей (Ollama или API, совместимый с OpenAI)
# Настройте в интерфейсе: Настройки → Модели → Пользовательская модель
OPENAI_API_BASE: "http://172.17.0.1:11434/v1"  # Ollama на том же хосте
OPENAI_MODEL: "llama3.1:8b"

# ============================================================
# База данных
# ============================================================
POSTGRES_DB: "super_agi"
POSTGRES_USER: "super_agi"
POSTGRES_PASSWORD: "your-strong-password"

# ============================================================
# Векторная база данных (долговременная память агента)
# ============================================================
VECTOR_STORE: "Redis"       # Redis (по умолчанию, встроенный)
# Или используйте внешнюю:
# VECTOR_STORE: "Pinecone"
# PINECONE_API_KEY: "your-key"
# PINECONE_ENVIRONMENT: "us-east-1-aws"

# VECTOR_STORE: "Weaviate"
# WEAVIATE_URL: "http://weaviate:8080"

# ============================================================
# Ключи API инструментов (необязательно, для конкретных инструментов)
# ============================================================
GOOGLE_API_KEY: "your-google-key"
GOOGLE_CUSTOM_SEARCH_ENGINE_ID: "your-cx-id"
GITHUB_TOKEN: "ghp_your-token"
JIRA_EMAIL: "your@email.com"
JIRA_API_TOKEN: "your-jira-token"
JIRA_SERVER_URL: "https://your-org.atlassian.net"

# ============================================================
# Хранилище
# ============================================================
STORAGE_TYPE: "File"        # Локальное файловое хранилище
# STORAGE_TYPE: "S3"        # S3-совместимое (MinIO, AWS)
# BUCKET_NAME: "superagi"
# AWS_ACCESS_KEY_ID: "..."
# AWS_SECRET_ACCESS_KEY: "..."

# ============================================================
# Безопасность
# ============================================================
JWT_SECRET_KEY: "your-random-secret-key"
```

### Подключение SuperAGI к инструментам

Инструменты настраиваются через GUI по адресу **Настройки → Набор инструментов**. Каждый инструмент можно включить/отключить для каждого агента.

**Встроенные инструменты:**

| Инструмент            | Назначение                          | Требуется API-ключ     |
| --------------------- | ----------------------------------- | ---------------------- |
| Поиск Google          | Веб-поиск                           | Да (Google API)        |
| DuckDuckGo            | Веб-поиск                           | Нет                    |
| GitHub                | Доступ к репозиторию кода           | Да (токен GitHub)      |
| Электронная почта     | Отправка/чтение email               | Да (конфигурация SMTP) |
| Генератор кода        | Писать и выполнять код              | Нет                    |
| Файловый менеджер     | Чтение/запись локальных файлов      | Нет                    |
| Браузер               | Просмотр веб-страниц без интерфейса | Нет                    |
| Jira                  | Отслеживание задач                  | Да                     |
| Notion                | База знаний                         | Да                     |
| Генерация изображений | DALL-E 3, Stable Diffusion          | Да (ключ OpenAI)       |

### Создание первого агента

Через GUI (Настройки → Агенты → Создать агента):

1. **Имя** — Дайте агенту понятное название
2. **Описание** — Чем занимается этот агент
3. **Цели** — Перечислите цели (по одной на строку)
4. **Инструкции** — Системный prompt для поведения
5. **Модель** — Выберите LLM (GPT-4, Claude или локальную)
6. **Инструменты** — Включите нужные инструменты
7. **Макс. итерации** — Ограничение безопасности (обычно 10–50)

Через REST API:

```bash
# Создайте агента через API
curl -X POST "http://localhost:8001/v1/agent" \\
  -H "Content-Type: application/json" \\
  -d '{
    "name": "Исследовательский агент",
    "description": "Исследует темы и пишет сводки",
    "goal": [
      "Исследовать предоставленную тему",
      "Написать подробную сводку",
      "Сохранить сводку в файл"
    ],
    "agent_type": "Очередь задач",
    "constraints": [],
    "tools": ["DuckDuckGoSearch", "WriteFileTool", "ReadFileTool"],
    "exit_criterion": "Нет критерия выхода",
    "max_iterations": 25,
    "user_timezone": "UTC",
    "llm_model_config": {
      "model_name": "gpt-4o-mini",
      "temperature": 0.5,
      "max_new_tokens": 2000
    }
  }'
```

***

## Ускорение на GPU

SuperAGI поддерживает локальный инференс LLM через любую конечную точку, совместимую с OpenAI, что делает его идеальным для развёртываний Clore.ai на GPU.

### Настройка Ollama в качестве бэкенда LLM агента

См. [Руководство по Ollama](/guides/guides_v2-ru/yazykovye-modeli/ollama.md) для полной настройки Ollama. Интеграция с SuperAGI:

**Шаг 1: Запустите Ollama на том же сервере Clore.ai**

```bash
docker run -d \
  --name ollama \\
  --gpus all \
  --restart unless-stopped \
  -p 11434:11434 \\
  -v ollama_models:/root/.ollama \\
  ollama/ollama

# Загрузите подходящую модель для использования агентом (требуется хорошее рассуждение)
docker exec ollama ollama pull llama3.1:8b        # Быстрая, хорошее рассуждение
docker exec ollama ollama pull mistral:7b-instruct  # Кодовые задачи
docker exec ollama ollama pull deepseek-coder:6.7b # Агенты с упором на код
```

**Шаг 2: Настройте SuperAGI для использования Ollama**

В `config.yaml`:

```yaml
# Укажите Ollama (работает на Docker-хосте)
OPENAI_API_BASE: "http://172.17.0.1:11434/v1"
```

Или настройте в интерфейсе SuperAGI:

* **Настройки → Модели → Добавить пользовательскую модель**
* Поставщик: OpenAI-compatible
* Базовый URL: `http://172.17.0.1:11434/v1`
* API-ключ: `ollama` (любая строка)
* Название модели: `llama3.1:8b`

### Настройка vLLM для агентов с высокой пропускной способностью

Для продакшн-развёртываний с большим числом одновременных агентов (см. [Руководство по vLLM](/guides/guides_v2-ru/yazykovye-modeli/vllm.md)):

```bash
# Запустите vLLM на GPU-сервере
docker run -d \
  --name vllm \\
  --gpus all \
  --restart unless-stopped \
  -p 8000:8000 \\
  -v hf_cache:/root/.cache/huggingface \\
  -e HF_TOKEN=hf_your-token \\
  vllm/vllm-openai:latest \\
  --model mistralai/Mistral-7B-Instruct-v0.3 \\
  --served-model-name mistral-7b \\
  --max-model-len 8192 \\
  --enable-prefix-caching

# В config.yaml:
# OPENAI_API_BASE: "http://172.17.0.1:8000/v1"
```

### Подбор GPU для рабочих нагрузок агентов

| Сценарий использования | Модель              | GPU         | VRAM  | Одновременные агенты                       |
| ---------------------- | ------------------- | ----------- | ----- | ------------------------------------------ |
| Тестирование           | GPT-4o-mini (API)   | Нет         | —     | Неограниченно (с ограничением по скорости) |
| Лёгкие агенты          | Llama 3.1 8B        | RTX 3090    | 8 ГБ  | 2–4                                        |
| Задачи на рассуждение  | Mistral 7B Instruct | RTX 3090    | 6 ГБ  | 3–5                                        |
| Сложные агенты         | Llama 3.1 70B Q4    | 2× RTX 3090 | 48 ГБ | 1–2                                        |
| Продакшен              | Llama 3.1 70B FP16  | A100 80 ГБ  | 80 ГБ | 3–6                                        |

***

## Советы и лучшие практики

### Проектирование агентов

* **Будьте конкретны в целях** — Расплывчатые цели вроде «провести исследование» заставляют агентов зацикливаться. Используйте «Исследуйте X и напишите сводку на 500 слов в файл output.txt.»
* **Устанавливайте лимиты итераций** — Всегда задавайте `max_iterations` (20–50). Неограниченные агенты могут быстро расходовать токены.
* **Используйте режим очереди задач** — Для многошаговых конвейеров агенты типа «Очередь задач» надёжнее, чем режим «Не ограничивать».
* **Сначала тестируйте на дешёвых моделях** — Проверяйте логику агента с GPT-4o-mini или локальной 7B-моделью, прежде чем использовать дорогие модели.

### Управление затратами на Clore.ai

```bash
# Отслеживайте использование токенов в реальном времени с панели SuperAGI
# Настройки → Ресурсы → Использование токенов

# Установите лимиты на уровне организации в config.yaml
MAX_BUDGET_TOKENS: 100000  # Жёсткий лимит на сессию
```

Поскольку Clore.ai взимает оплату почасово:

```bash
# Сохраните конфигурации агента перед остановкой экземпляра
docker compose exec superagi-backend \\
  python -c "import json; from superagi.models import Agent; ..."

# Создайте резервную копию базы данных PostgreSQL
docker compose exec super__agi-db-1 \\
  pg_dump -U super_agi super_agi | gzip > superagi-db-$(date +%Y%m%d).sql.gz

# Скопируйте резервную копию вне сервера
scp -P <ssh-port> root@<server-ip>:~/SuperAGI/superagi-db-*.sql.gz ./
```

### Обеспечение безопасности SuperAGI

```bash
# Включите аутентификацию в config.yaml
AUTH_SECRET_KEY: "your-strong-random-secret"

# Ограничьте API только localhost (используйте SSH-туннели)
# Измените docker-compose.yml, чтобы убрать привязку к внешнему порту:
# ports:
#   - "127.0.0.1:8001:8001"  # API только локально
#   - "127.0.0.1:3000:3000"  # UI только локально

# Затем подключитесь через SSH-туннель:
# ssh -L 3000:localhost:3000 -L 8001:localhost:8001 root@<server-ip> -p <port>
```

### Постоянное хранилище между сессиями Clore.ai

```bash
# Создайте скрипт полного резервного копирования
cat > /root/backup-superagi.sh << 'EOF'
#!/bin/bash
cd ~/SuperAGI

# Резервное копирование базы данных
docker compose exec -T super__agi-db-1 \
  pg_dump -U super_agi super_agi | \
  gzip > ~/backups/superagi-db-$(date +%Y%m%d-%H%M).sql.gz

# Резервное копирование конфигурации и рабочих пространств
tar -czf ~/backups/superagi-files-$(date +%Y%m%d-%H%M).tar.gz \
  config.yaml \
  workspace/ \
  .env 2>/dev/null || true

echo "Резервное копирование завершено: $(ls -lh ~/backups/ | tail -2)"
EOF

chmod +x /root/backup-superagi.sh
mkdir -p ~/backups
```

### Обновление SuperAGI

```bash
cd ~/SuperAGI

# Сохраните текущую конфигурацию
cp config.yaml config.yaml.backup

# Получить последние изменения
git pull origin main

# Пересоберите и перезапустите
docker compose down
docker compose up -d --build

# Убедитесь, что все сервисы работают нормально
docker compose ps
docker compose logs superagi-backend --tail 20
```

***

## Устранение неполадок

### Сборка завершается с ошибкой во время `docker compose up --build`

```bash
# Подробно проверьте логи сборки
docker compose build superagi-backend --no-cache 2>&1 | tail -50

# Частое решение: освободите место на диске
docker system prune -f
df -h  # Убедитесь, что свободно не менее 10 ГБ

# Если сборка npm для фронтенда завершается с ошибкой
docker compose build superagi-frontend --no-cache

# Проверьте использование памяти Node.js во время сборки
docker compose build superagi-frontend \
  --build-arg NODE_OPTIONS="--max-old-space-size=4096"
```

### Серверная часть падает при запуске

```bash
# Проверьте логи серверной части
docker compose logs superagi-backend --tail 50

# Распространённые причины:
# 1. Неверный синтаксис config.yaml
python3 -c "import yaml; yaml.safe_load(open('config.yaml'))" && echo "YAML в порядке"

# 2. База данных ещё не готова
docker compose restart superagi-backend  # Сначала дождитесь запуска БД

# 3. Отсутствует API-ключ
grep OPENAI_API_KEY config.yaml  # Убедитесь, что он задан и не пустой
```

### Фронтенд не загружается (порт 3000)

```bash
# Проверьте контейнер фронтенда
docker compose ps superagi-frontend
docker compose logs superagi-frontend --tail 30

# Проверьте сопоставление портов
ss -tlnp | grep 3000

# Проверьте, доступен ли API-бэкенд из фронтенда
docker compose exec superagi-frontend \
  curl -s http://superagi-backend:8001/health
```

### Агенты бесконечно зацикливаются

```bash
# Проверьте логи агента в интерфейсе SuperAGI:
# Панель управления → Агент → Просмотр логов

# Принудительно остановите работающего агента через API
curl -X POST "http://localhost:8001/v1/agent/<agent-id>/stop" \
  -H "Content-Type: application/json"

# Или остановите всех агентов через БД
docker compose exec super__agi-db-1 \\
  psql -U super_agi -c "UPDATE agent_executions SET status='COMPLETED' WHERE status='RUNNING';"
```

### Ошибки подключения к Redis

```bash
# Проверьте состояние Redis
docker compose ps super__agi-redis-1
docker compose logs super__agi-redis-1

# Проверьте подключение к Redis
docker compose exec superagi-backend \\
  python3 -c "import redis; r=redis.from_url('redis://super__agi-redis-1:6379/0'); print(r.ping())"

# Перезапустите Redis
docker compose restart super__agi-redis-1
```

### Ollama недоступна из контейнера SuperAGI

```bash
# Найдите IP Docker-моста
docker network inspect bridge | grep Gateway

# Проверьте из контейнера бэкенда
docker compose exec superagi-backend \\
  curl -s http://172.17.0.1:11434/v1/models

# Если используется хостовая сеть
docker run -d --network host ...  # Не очень совместимо с docker compose

# Альтернатива: добавьте Ollama в ту же сеть compose
# Добавьте в раздел services файла docker-compose.yml:
# ollama:
#   image: ollama/ollama
#   deploy:
#     resources:
#       reservations:
#         devices:
#           - driver: nvidia
#             count: all
#             capabilities: [gpu]
```

### Пул соединений с базой данных исчерпан

```bash
# Увеличьте максимальное количество подключений PostgreSQL в docker-compose.yml
# Под сервисом db:
command: postgres -c max_connections=200

# Перезапустите базу данных
docker compose restart super__agi-db-1
docker compose restart superagi-backend
```

***

## Дополнительное чтение

* [Документация SuperAGI](https://superagi.com/docs) — официальные руководства, справочник API
* [SuperAGI GitHub](https://github.com/TransformerOptimus/SuperAGI) — исходный код, ошибки, сообщество
* [Запуск Ollama на Clore.ai](/guides/guides_v2-ru/yazykovye-modeli/ollama.md) — локальный LLM-бэкенд для агентов
* [Запуск vLLM на Clore.ai](/guides/guides_v2-ru/yazykovye-modeli/vllm.md) — высокопроизводительный инференс для одновременных агентов
* [Руководство по сравнению GPU](/guides/guides_v2-ru/nachalo-raboty/gpu-comparison.md) — выбор подходящего тарифа Clore.ai
* [Маркетплейс инструментов SuperAGI](https://superagi.com/marketplace/) — инструменты агентов, созданные сообществом
* [Discord SuperAGI](https://discord.gg/dXbRe5BHJC) — поддержка и обсуждения сообщества
* [Документация FastAPI (API SuperAGI)](http://localhost:8001/docs) — интерактивная документация API в вашем экземпляре


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:

```
GET https://docs.clore.ai/guides/guides_v2-ru/platformy-i-agenty-ii/superagi.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.